shenbuguanni
shenbuguanni
> 肯定不可以这样操作，如果loss是估计回声和真实回声的欧式距离，那么反向的时候梯度肯定要对数学建模部分的卡尔曼滤波进行反向，我的建议是计算数学方法的凯尔曼滤波器系数和网络输出的滤波器系数的距离。或者固定数学建模部分，使用最后的loss。 那作者怎么能训起来呢，请问你已经跑通了训练过程吗
> 我自己写过，可以进行训练。作者还是很牛逼的。 你也很牛逼，实测效果怎样呢
@tomato18463 Have you solved the problem that Nan is prone to appear? and I find mse loss (sum) between the real_echo and est_echo is very large.
Please ask use echo_hat or e to calculate the loss with the real echo? I use echo_hat and real_echo calculate mse loss which the value is very large, ie. 170446899.20....
> if use white Gaussian noise as RIR? Why not use the image method to generate RIR？
> 3\. How did you set the variance of these Gaussians Please ask how did you set the variance of these Gaussians noise?
yes, I get some out of memory error like : GPUassert: out of memory xxxx/gpuRIR/src/gpuRIR_cuda.cu 627 What effect does this have?
Yes, Because I want to generate a large number of RIRs in multiple processes at the same time, I will run many python scripts at the same time, will this...
> 感谢支持！ 你好，首先非常感谢你的这项工作，在DNS盲测数据集确实有比较好的体验效果，但是我测了我们真机测试集，降噪效果是有限的，我怀疑是ERB这种频带压缩造成的信号建模不佳，一个是用你提供是checkpoint，另一个是用我自己的数据集，替换你的模型重新训练的，好像都比较有限。个人认为，在一些稍微好点的算力平台，增大模型参数和算力，能够带来更好的降噪效果！
> 我沿用了平时实验的设置，没有与 DeepVQE 原文的超参数设置对齐： > > 1. clip_grad_norm_value 设置为 3.0； > 2. 使用 Adam 优化器，weight_decay 保持默认值 0。 请问你能提供几条测试集+你的deepvqe处理后的音频吗？我用我的deepvqe对比一下效果；